01 / 13

NTT DATA · IA Operating Model

IA Driven Development
+ Arquitectura de IA

De asistentes puntuales a sistemas que ejecutan trabajo real. La oportunidad no está en escribir mejores prompts, sino en diseñar un sistema donde la IA entiende contexto, ejecuta tareas y valida resultados.

IA como actor del flujo Más allá de los prompts Escalable · trazable · gobernado

Objetivo: entender cómo aumentar el porcentaje de trabajo realizado por la IA y convertirlo en un flujo operativo escalable.

Contexto conectado

Ejecución fiable

Validación automática

02 / 13

Sobre mí

Javier Meroño Navarro — Javi

Service Leader Mobile con foco en automatización e inteligencia artificial aplicada al desarrollo, la calidad y la escalabilidad del delivery.

14 años de experiencia Technical Lead iOS · Inditex Keep it simple

M

Mobile Leadership

Visión integral sobre estrategia mobile, arquitectura, ejecución y evolución tecnológica de equipos y productos.

AI

Automatización e IA

Impulso de capacidades de automatización, agentes y flujos asistidos para aumentar productividad y consistencia.

Experiencia destacada

Liderazgo técnico sobre iniciativas iOS y construcción de soluciones orientadas a producto, experiencia de usuario y excelencia técnica.

Intereses

Tecnología, deporte y aprendizaje continuo aplicado a la mejora de equipos.

03 / 13

Conceptos clave

Tres capas que transforman el desarrollo

01

Spec Driven Development

La especificación
guía el trabajo

El desarrollo parte de una especificación clara — requerimientos, criterios, mockups y contrato funcional. La calidad del output depende de la calidad de esa definición.

Reduce ambigüedad desde el inicio
Hace el trabajo más trazable
Habilita la automatización posterior

02

AI Driven Development

La IA ejecuta
parte del flujo

La IA no solo sugiere código: participa en análisis, implementación, validación y entregables, siempre bajo reglas y puntos de control humano.

Mayor velocidad operativa
Consistencia técnica homogénea
Menos trabajo manual repetitivo

03

Arquitectura de IA

El sistema que
lo hace fiable

La estructura que conecta contexto, herramientas, reglas, memoria y guardrails para que la IA actúe de forma repetible, segura y escalable.

Convierte demos en capacidades reales
Permite gobernanza y control
Escala a equipos y productos

Idea clave

La spec define el qué · AI Driven Development ejecuta el trabajo · la arquitectura lo hace fiable, gobernado y reutilizable. No compiten: son capas de una misma evolución.

04 / 13

Evolución del prompt

Del prompt funcional al prompt mínimo

El valor no está en el texto del prompt, sino en todo el sistema que ya conoce el trabajo.

Prompt inicial

“Como desarrollador quiero añadir…”

Aporta intención funcional, pero obliga a la IA a inferir contexto técnico, alcance, módulos, reglas y criterios desde cero.

Contexto técnico ausente
Módulos y convenciones desconocidos
Criterios de aceptación ambiguos

~40% output real

Prompt final

“Desarróllame este Jira JIRA-XXXX”

El sistema ya dispone de descripción, adjuntos, mockups, repositorio, convenciones y flujo estructurado para decidir, ejecutar y validar.

Repositorio y convenciones conectadas
Mockups y criterios accesibles
Sistema que decide, ejecuta y valida

~95% output real

Cuanto mejor modelado está el sistema, menos dependencia existe del prompt manual del desarrollador.

05 / 13

Piezas del sistema

Skills, prompts, agentes y MCP

Cuatro piezas complementarias convierten la IA en una capacidad operativa dentro del desarrollo.

Prompt

Instrucción que orienta la respuesta. Puede ser simple o avanzada, pero por sí sola depende del contexto que el usuario escriba manualmente.

Skill

Capacidad especializada y reutilizable que encapsula reglas y conocimiento para tareas concretas como testing, accesibilidad, PRs o arquitectura.

Agente

Sistema que combina objetivo, contexto, memoria operativa, herramientas y decisiones para planificar, actuar, validar y iterar hasta el éxito.

MCP

Mecanismo estructurado para conectar la IA con Jira, Git, repositorios, documentación, bases de datos o sistemas internos reales.

06 / 13

IA como motor del ciclo

IA que mueve el ciclo de desarrollo

IA Driven Development no se limita a generar código: participa de principio a fin con gobierno humano.

Comprensión

Interpreta requerimientos, extrae objetivos y detecta ambigüedades antes de actuar.

Implementación

Genera código siguiendo convenciones, patrones y reglas del equipo de forma consistente.

Validación

Compila, ejecuta tests y verifica criterios técnicos antes de entregar resultados.

Gobierno humano

La decisión final sigue en manos del equipo; la IA acelera y estandariza la ejecución.

07 / 13

Beneficios operativos

Menos trabajo mecánico, más consistencia

01

Más velocidad

Menos tiempo interpretando tickets, buscando archivos, generando esqueletos y preparando entregables.

02

Más calidad base

Arquitectura, naming, localización, accesibilidad, testing y validación se aplican con criterio homogéneo.

03

Más trazabilidad

Cada acción se alinea con ticket, rama, archivos, PR y estado del flujo, facilitando la escalabilidad.

08 / 13

Arquitectura de IA

De intención a acciones fiables

Cada capa tiene una responsabilidad clara: transformar intención inicial en resultado utilizable, correcto y alineado con políticas del equipo.

Entrada Intención, ticket, requerimiento o trigger de negocio.

Contexto Reglas, repositorio, adjuntos, documentación y dependencias.

Orquestación Agente que planifica, llama herramientas y toma decisiones.

Guardrails Validación, políticas, checks técnicos y control humano.

09 / 13

Por qué importa

Demo brillante vs flujo confiable

❌ Sin arquitectura

IA impredecible

Respuestas inconsistentes entre ejecuciones
Pérdida de contexto entre pasos
Cambios fuera de alcance y deuda técnica
Alucinaciones y validaciones incompletas

✅ Con arquitectura

IA gobernada y trazable

Ejecución repetible, medible y alineada
Guardrails sobre lo que puede y no puede hacer
Mayor confianza y adopción del equipo
Modelo escalable a otros equipos y proyectos

La arquitectura no añade complejidad innecesaria: crea fiabilidad, control e industrialización.

10 / 13

Modelo operativo

El valor real surge al unir el flujo completo

El prompt deja de ser el centro: pasa a ser el disparador de una cadena de trabajo diseñada de extremo a extremo.

Intención

Una necesidad concreta inicia el proceso.

Contexto

La IA accede a información, reglas y artefactos reales.

Motor IA

Planifica, ejecuta, corrige y documenta el trabajo.

Aprobación

El equipo valida y decide con evidencia y trazabilidad.

Resultado: la IA se convierte en una capacidad de equipo, no en una habilidad individual dependiente de quién escribe mejores prompts.

11 / 13

Caso aplicado · iOS autonomous agent

De ticket a trabajo casi completo

Un agente autónomo de desarrollo iOS cubre análisis, implementación, validación y cierre, dejando al desarrollador en los puntos explícitos de control humano.

1

Fase 0–1 · Análisis

Consulta Jira, lee adjuntos, detecta módulos afectados y se detiene ante ambigüedades.

2

Fase 2–3 · Implementación

Crea rama, mueve ticket, implementa modelos, red, lógica, UI e integración bajo reglas de calidad.

3

Fase 4–5 · Validación

Compila, genera y ejecuta tests, corrigiendo automáticamente hasta pasar todos los checks.

4

Fase 6–7 · Cierre

Propone evidencias, crea PR draft, mueve el ticket a review y deja la decisión final al desarrollador.

12 / 13

Flujo detallado del agente autónomo de desarrollo iOS

Del ticket Jira al merge y cierre en Beast Mode

Desarrollador iOS autónomo que analiza, prepara rama, implementa, compila, testea, itera, crea PR draft y cierra solo tras merge verificado. Solo se detiene ante ambigüedad real o acciones humanas explícitas como commit/push.

0

Entrada

El punto de entrada siempre es un código de ticket. Consulta Jira vía MCP, extrae título, descripción, tipo, criterios y adjuntos visuales relevantes.

1

Análisis y dudas

Entiende qué hacer y por qué, revisa mockups, alcance y documentación interna. Si detecta ambigüedad bloqueante, pregunta con opciones claras; si no, avanza solo.

2–3

Preparación + implementación

Crea rama según el tipo de ticket, mueve a In Progress e implementa modelos, red, lógica, ViewModel/Controller, UI, integración y navegación.

4–7

Validación hasta cierre

Compila, genera tests, itera hasta que todo pase, propone evidencias, exige commit manual, crea PR draft, pasa a In Review y cierra solo tras merge.

Reglas estrictas

Arquitectura + UX

Sigue la arquitectura existente, localiza y añade accesibilidad.

Swift seguro

[weak self], guard, early return y cero force unwrap/try/cast.

Checks obligatorios

xcodebuild, unit tests y snapshot tests si aplica.

Loop automático

Si falla, corrige y reintenta hasta pasar todo.

Principios · MCPs · límites

Operación

Autonomía, investigación proactiva, verificación rigurosa y trazabilidad visible.

MCPs

Jira · GitHub · SonarQube · Geppetto.

No negociable

Sin commit/push, PR siempre draft, sin “listo” sin pruebas y sin cierre sin merge.

13 / 13

NTT DATA · Gracias

Gracias — fin

IA Driven Development y Arquitectura de IA no van de prompts más largos, sino de diseñar sistemas capaces de ejecutar trabajo real con contexto, validación y control.

Contexto conectado Ejecución fiable Validación automática

IA Driven Development + Arquitectura de IA